江淮分水岭水土流失区域生态环境质量评价

李 鹏，沈益民，王 涛，王 岽，吴 见

（1.滁州学院 地理信息与旅游学院，安徽 滁州239000；2.成都工业学院，四川 成都611730）

江淮分水岭地区处于安徽省中部，主要包括六安、合肥、巢湖、滁州、安庆市大部分地区，是安徽省水土流失较严重的地区，仅次于皖南山区和大别山区。江淮分水岭地区土壤总体上持水能力差、水土流失严重，填平了库塘，堵塞了河道，减少了库塘与河道的蓄水能力，增加了旱灾的发生，并且水质性缺水问题较突出、地表水污染较严重，减少了有限水资源的可用量。在气候变化和人为因素等影响下，江淮分水岭地区的湿地面积和类型比例不断发生变化，以至于影响了该区整体的生态环境。长期以来，江淮分水岭地区的生态环境不被人们重视，干扰和破坏严重，导致湿地严重萎缩，生态功能衰退或丧失，引发了严重的环境问题。为改善江淮分水岭地区的生态环境，1997年底省委省政府做出了关于加快江淮分水岭易旱地区综合治理开发的决定，制定了《江淮分水岭易早地区综合治理开发规划纲要》。在这种背景下，掌握江淮分水岭地区的生态环境质量整体情况，对于提出防御旱涝和合理开发利用生态资源的对策等方面都具有重要意义。

基于江淮分水岭地区生态脆弱性的特征，如何科学有效地做好生态环境调查、保护，是保障该地区可持续发展的关键［1－2］。目前，掌握该区的生态环境质量状况已迫在眉睫，国外已经围绕生态环境质量变化、退化生态系统恢复与重建、生态资源开发与管理、生态环境质量评价等［3－4］领域做了广泛深入的研究，研究方法已由定性描述，发展到定位、定量研究，且数学模型和3S技术在生态环境质量研究中已有成熟的应用［5］。本研究所选取的研究对象区域，在近10a来受到当地政府的高度重视，实施了退耕还林还草、水土保持、荒漠化治理等工程，该区的生态环境也随之逐年好转，但在该区域还缺少一定的评价方法或手段来揭示生态环境的具体变化情况。因此，积极探索该区域的生活环境质量遥感评价方法显得非常重要。本研究以江淮分水岭为试验区，以植被指数、干度指数、湿度分量、地表温度4个参数为评价指标，构建生态系统质量综合评价指数，拟对研究区的生态环境状况进行综合评价，同时为其他区域或相关研究提供参考。

1 研究区概况及数据预处理

1.1 研究区概况

江淮分水岭地区位于安徽省中部丘陵、浅山区，包括合肥、滁州、六安、蚌埠、淮南、巢湖等6市22县（市、区）400多个乡镇，总面积达4.5×104km2，其中耕地面积占1.30×106hm2。该地区南北方向上，向南、北地势均逐渐降低，中部高，东西方向上，东部高于中部，中部地区地势低洼，西部地区逐渐向大别山区过渡，地势升高快。地貌类型以丘陵为主，谷地、丘陵相对高差一般不超过200m。土壤板结，自然淋溶作用强，持水性能差。由于受地形、地貌、地质、土壤、气候等自然因子的限制，该地区易旱、缺水、土壤不肥沃，干旱灾害频发，农业生产极不稳定，经济发展相对滞后，生态环境保护与区域经济发展矛盾突出。

1.2 数据预处理

选取覆盖江淮分水岭部分地区的TM影像数据（所用波段为1，2，3，4，5，6，7），影像获取时间为2000年7月5日、2005年6月29日和2010年7月8日，影像的季相基本相同，保证了研究结果的可比性，影像无云，质量好。首先，采用经验线性法对TM影像进行大气校正；然后利用1∶5万地形图对大气纠正后的TM影像进行几何纠正，不同时相影像之间的配准采用二次多项式和最邻近象元法，纠正均方根误差小于0.3个像元，精度满足要求。各波段特性为：TM1对水体的穿透力强，对叶绿素及其浓度反映敏感，有助于判别水深、泥沙分布、识别植被等；TM2对应于健康植物的绿色反射峰值区域，对健康植被识别力强；TM3为叶绿素的主要吸收波段，反映植被叶绿素吸收能力好，可识别土壤边界，利于地貌、土壤、植被、岩性等探测；TM4对应于植被的叶绿素反射峰值，用于生物量、作为长势、作物估产、地物含水量等估测；TM5处于水分吸收带，对地物含水量反映敏感；TM6记录了地物表面发射的热辐射量，能够监测与人类活动有关的热特性；TM7处于水的强吸收带，水体呈黑色，利用岩石光谱反射及地质探矿等。

2 指数选取及综合评价指数

2.1 指标选取

影响生态环境质量的因素纷繁复杂，最为直观的因素包括了热度、湿度、绿度、干度等，因此在生态系统质量评价时，常常以这4个因素作为评价指标［6－7］。采用遥感影像进行生态系统质量进行评价时，同时还要考虑指标的可获取性，由于部分指标不能从遥感影像上直接获取，因此选取植被指数、干度指数、湿度分量、地表温度来分别表示绿度、干度、湿度和热度指标。由此，可以建立包含植被指数、干度指数、湿度分量、地表温度4个参数的生态系统质量综合评价指数（comprehensive ecosystem quality evaluation index，CEQEI），即：

式 中：IV——植 被 指 数；NDSI——干 度 指 数；WET——湿度分量；LST——地表温度。

2.1.1 植被指数（IV） 植被盖度遥感监测的方法很多，植被指数也多种多样，其中归一化植被指数NDVI是当前应用最为广泛的植被指数，同时该指数也被证明与植被状况具有较好的相关关系［8］。因此，选取NDVI来定量表达绿度指标，其计算公式为：

式中：ρ3，ρ4——TM 影像波段3和4的反射率。

2.1.2 湿度分量（WET） 在遥感影像中，不能直接提取湿度信息，因此需要对影像进行缨帽变换，变换后获取湿度、绿度、亮度分量，这3个分量能够直接反映地表物理参量［9－10］，在生态环境质量评价中得到了广泛的应用［11］。湿度分量能够直接反映植被和土壤的湿度，若以Landsat TM影像为例，可以采用公式（3）计算湿度指标［9］：

式中：ρi（i＝1，…，5，7）——TM 影像相应波段的反射率，将各波段的反射率值代入公式（3）即可获取WET值影像。

2.1.3 干度指数（NDSI） 对于水土流失区的生态环境质量评价，常以裸土指数表示干度指数，由于建筑用地也反映了地表的干度［1］，因此当研究区的建筑用地较多时，可以将建筑指数（IBI）［12］和裸土指数（IS）［13］进行组合，计算干度指数 NDSI：

式中：IBI＝（ρ5－ρ4）／（ρ5＋ρ4），IS＝（0.433ρ2＋0.632 ρ3＋0.586ρ4＋0.264ρ5），将各波段的反射率值代入IBI和IS公式，即可获取相应指数。

2.1.4 地表温度（LST） 目前，城市热岛效应之类的热污染对人们的健康生活已经造成了较大的影响，逐渐引起了国内外专家学者的广泛关注，热度这一指标对评价生态环境质量也是必要的［1］。由于热度指标无法从影像中直接获取，因此选取地表温度对热度指标进行表示，其计算公式为：

式中：T——亮温（K），可以根据Landsat用户手册的模型进行计算［14］；λ——TM影像波段6的中心波长（λ＝11.5μm）；z＝1.438×10－2mK；ε——地表比辐射率，是地表温度的基本参数，主要取决于地表的地质结构，其经验公式的求算为：ε＝1.009 4＋0.047ln（NDVI）。其中，NDVI值位于0.157～0.727之间，NDVI小于0主要是水，地表比辐射率为0.995，NDVI位于07～0.157之间一般是城市水泥地表，地表比辐射率近似为0.923，NDVI大于0.727的可以看做植被完全覆盖，地表比辐射率为0.986，具体参见文献［15］。

2.2 生态系统质量综合评价指数

在进行生态环境质量评价时，采用任何一个单一指标都难以准确全面地反映生态环境的实际情况，而当多个指标共同起作用时，通过赋予特定的权重值来确定各指标在生态环境质量评价中所起的作用其实施难度较大。纵然采用行业标准中国家环保部制定的统一的权重值［16］，也因个人和区域不同，执行起来也难以指导实际问题的解决［4－5］。

将采用上述4个指标的组合进行生态环境质量评价，以往研究常采用一定的权值与各指标相乘再求和［2，4］，从而获取综合评价结果，然而这种方法的人为主观因素较强，影响评价结果的客观性。为避免这一情况，本研究采用主成分分析（PCA）法对数据进行处理。该方法属于一种数据压缩技术，能够通过正交线性变换将多个变量中的少数重要变量挑选出来，即在少数的特征分量上对多维信息进行集中，且第一个主分量是方差贡献最大的新变量。因此，根据主成分变换技术对4个变量进行处理，该技术的主要优点是能够根据数据自身的特性，即各指标对各主分量的贡献度，客观地计算各变量的权重值，在一定程度上避免了人为主观因素的影响。

由于各指标之间的量纲不统一，若采用原始值进行主成分分析，会造成指标间的权重失调，因此有必要先对各指标进行标准化处理，将其转换为无量纲数据，统一取值0～1。各指标标准化采用的公式为：

式中：N——标准化处理以后的数值；Ni——像元i处的指标值；Nmax——指标i的最大值；Nmin——指标i的最小值。标准化处理后，对不同时期影像中获取的4个指标进行主成分分析，分析结果详见表1。

表1 研究区不同年份4个指标主成分分析

能够对主成分分析获取的特征分量进行合理的现象解释，是主成分分析成功与否的主要表征。由表1可知，各年份第1主成分（PC1）特征值贡献率均在87%以上，代表了各指标的绝大部分信息；在第1主成分（PC1）中，4个指标均表现稳定，NDVI和 WET对生态环境质量均有正面影响，其值越高说明植被覆盖和土壤水分越高，即生态环境越适合生物生存，在PC1中均呈现正值，其他主成分中正负均有，表现不稳定；而NDSI和LST对生态环境质量均有负面影响，其值越高说明土壤干旱程度和地表温度越高，越不适宜多数生物的生存，在PC1中均呈现负值，其他主成分中正负均有，表现不稳定；在3期影像主成分分析中，指标NDVI与WET在PC1中始终是正值，表明这两个指标与生态环境的变化呈正相关关系，而指标NDSI与LST在PC1中始终是负值，表明这两个指标与生态环境的变化呈负相关关系，实际情况正好也支持了这种分析结果。综上所述，第1主成分（PC1）不仅能够代表各指标的绝大部分信息，而且可以对其代表的生态现象进行合理的解释，能够用于生态系统质量综合评价指数的构建。

3 生态环境质量评价

3.1 不同年份生态环境质量变化分析

首先，分别获取2000，2005和2010年影像的4个指标影像，在标准化处理的基础上，对4个指标影像进行叠加，对叠加后的新的4个波段影像执行主成分分析，从而获取不同年份的综合指数值。为了便于理解，可以采用1减去PC1值得方式对主成分分析结果进行处理，使得PC1值越大所代表的生态条件越好，从而获取初始生态系统质量综合评价指数CEQEI0，具体计算方式为：

为便于比较，同样可以对CEQEI0执行标准化处理：

式中：CEQEI0min，CEQEI0max——初始生态环境评价指数的最小和最大值；CEQEI——生态系统质量综合评价指数，取值0～1，CEQEI值越接近1，说明生态环境质量越好，反之，越差。图1为最终获取的不同时期的生态环境质量评价指数图。对不同时期的各评价指标和CEQEI的均值进行统计（表2）。从表2可知，NDVI在2000年的均值为0.482，在2005年略有提高，为0.499，到2010年增长到0.635，WET的均值从2000年的0.581增长至2010年的0.703，NDVI和WET对生态环境质量均有正面影响，因此这两个指标均值的增长将会在一定程度上改善生态环境。NDSI的均值从2000年的0.627下降至2010年的0.354，LST的均值从2000年的0.513下降至2010年的0.281，NDSI和LST对生态环境质量均有负面影响，因此这两个指标均值的下降也在一定程度上改善了生态环境。CEQEI的均值从2000年的0.357增长至2005年的0.529，2010年继续增长至0.615，说明生态环境整体状况不断改善，符合各指标的总体变化情况。从表2也不难发现，单个评价指标很难全面评价生态环境质量，而生态系统质量综合评价指数CEQEI能够较为系统地对研究区的环境状况进行评价。

图1 研究区不同时期生态环境质量评价指数

表2 不同年份评价指标及CEQEI的平均值统计

为了更加详细地分析研究区的生态环境质量变化情况，进一步把不同年份的CEQEI值平均分为5个等级（表3）。从不同等级的CEQEI统计结果来看，优和良两个等级的面积和百分比不断增加，优等级的百分比从2000年的2.57%增加至2010年的15.69%，良等级的百分比从2000年的15.90%增加至2010年的31.75%。中等、差和极差等级的面积和百分比均不断下降，其中差等级在10a间下降了15.87%，极差等级在10a间下降了7.59%。统计结果显示研究区的整体生态环境质量情况得到了一定程度的改善。从表4可以看出，2000—2005年有31.95%的区域生态环境质量得到改善，生态环境质量恶化的区域面积比例为22.79%，45.26%的区域保持不变。2005—2010年有20.56%的区域生态环境质量得到改善，生态环境质量恶化的区域面积比例为17.24%，62.20%的区域保持不变。2000—2010年间变优的区域达49.82%，变差的区域仅13.57%。从统计结果可以看出，在这10a间研究区的生态环境质量不断得到改善，总体质量好转。

表3 不同年份生CEQEI不同等级的面积和比例变化

表4 研究区不同年份生态环境质量的空间变化分析

3.2 各指标相关性分析

为分析不同年份各指标及CEQEI指数之间的相关关系，分别计算了2000，2005，2010年3个年份NDVI，WET，NDSI，LST与CEQEI之间的相关系数，结果详见表5。CEQEI指数的综合代表性还能够从它与各指标间的相关性大小来进一步研究分析。CEQEI指数和各指标之间的相关系数越大，说明该指数越能够综合代表各指标。从表5可以看出，2000，2005，2010年，CEQEI指数与各指标的相关系数均为最大，分别为0.77，0.80和0.81。2000年LST与其他各指标的相关系数仅次于CEQEI，达0.72；2005年NDSI与其他各指标的相关系数仅次于CEQEI，达0.63；2010年时，NDVI与其他各指标的相关系数仅次于CEQEI，达0.61。在3个年份的总平均值中，LST最高，达0.62，与CEQEI相比，相差0.17。由此说明，CEQEI指数比单个指标能够更好地综合反映研究区的生态环境质量情况，更有利于集成各指标的综合信息。

表5 不同年份各指标及CEQEI指数的相关系数矩阵

4 结论

（1）为避免指标权重人为因素的影响，采用主成分分析法确定了指标权重。通过各指标之间的相关性分析，CEQEI指数与各指标的相关系数在2000，2005和2010年为最大，分别为0.77，0.80和0.81，3a总平均达0.79，远大于其他指标，说明CEQEI指数比单个指标能够更好地综合反映研究区的生态环境质量情况，更有利于集成各指标的综合信息。

（2）通过CEQEI指数进行评价，2000—2010年优等级从2.57%增加至15.69%，良等级从15.90%增加至31.75%，差等级下降15.87%，极差等级在10a间下降7.59%。从空间区域变化来看，变优的区域达49.82%，变差的区域仅13.57%，说明整个研究区的生态环境质量逐步好转。采用的CEQEI指数可以通过遥感数据方便地获取，指标权重客观，为其他区域生态环境质量定量监测方法提供了参考。

［1］ 徐涵秋.水土流失区生态变化的遥感评估［J］.农业工程学报，2013，29（7）：91-97.

［2］ 孟岩，赵庚星.基于卫星遥感数据的河口区生态环境状况评价：以黄河三角洲垦利县为例［J］.中国环境科学，2009，29（2）：163-167.

［3］ 赵跃龙，张玲娟.脆弱生态环境定量评价方法的研究［J］.地理科学，1998，18（1）：73-79.

［4］ 刘瑞，王世新，周艺，等.基于遥感技术的县级区域环境质量评价模型研究［J］.中国环境科学，2012，32（1）：181-186.

［5］ 程晋南，赵庚星，李红，等.基于RS和GIS的土地生态环境状况评价及其动态变化［J］.农业工程学报，2008，24（11）：83-88.

［6］ Gupta K，Kumar P，Pathan S K，et al.Urban neighborhood green index：A measure of green spaces in urban areas［J］.Landscape and Urban Planning，2012，105（3）：325-335.

［7］ Nichol J.Remote sensing of urban heat islands by day and night［J］.Photogrammetric Engineering and Remote Sensing，2005，71（6）：613-621.

［8］ Duncan J，Stow D，Franklin J，et al.Assessing the relationship between spectral vegetation indices and shrub cover in the Jornada Basin，New Mexico［J］.International Journal of Remote Sensing，1993，14（18）：3395-3416.

［9］ Crist E P.A TM tasseled cap equivalent transformation for reflectance factor data［J］.Remote Sensing of Environment，1985，17（3）：301-306.

［10］ Huang C，Wylie B，Yang L，et al.Derivation of a tas-selled cap transformation based on Landsat 7at-satellite reflectance［J］.International Journal of Remote Sensing，2002，23（8）：1741-1748.

［11］ Todd S W，Hoffer R M.Responses of spectral indices to variations in vegetation cover and soil background［J］.Photogrammetric Engineering and Remote Sensing，1998，64（9）：915-921.

［12］ Xu Hanqiu.Anewindex for delineating built-up land features in satellite imagery［J］.International Journal of Remote Sensing，2008，29（14）：4269-4276.

［13］ Rikimaru A，Roy P S，Miyatake S.Tropical forest cover density mapping［J］.Tropical Ecology，2002，43（1）：39-47.

［14］ Chander G，Markham B L，Helder D L.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM＋，and EO－1ALI sensors［J］.Remote Sensing of Environment，2009，113（5）：893-903.

［15］ Nichol J.Remote sensing of urban heat islands by day and night［J］.Photogrammetric Engineering and Remote Sensing，2005，71（6）：613-621.

［16］ 国家环保总局.HJ／T192—2006中华人民共和国环境保护行业标准（试行）［S］.北京：中国环境科学出版社，2006.